红外多光谱遥感数据的校准

主要介绍了一种对由特定红外图谱一体化系统采集的光谱数据进行校准与分析的方法。在实验部分,首先对得到的设定已知特定温度的黑体红外光谱数据进行归类和整理,然后在最大保留特征信号的条件下利用不同的滤波算法与滤波窗宽尽量消除信号噪声,并采用偏最小二乘算法对所得信号进行校准,使之与理论值相符。最后利用校准结果构建数学模型,并考虑主成分个数这一概念,检验模型准确度。通过数据分析可知,由这个特定红外图谱一体化系统采集的光谱数据经偏最小二乘算法校正后与理论值相近,此时能够拟合出校正数列与波数之间的函数关系,且受温度影响较小。     

基于傅里叶变换红外光谱和siPLS-GA-PLS的水稻叶片氮素含量预测研究

傅里叶变换中红外光谱谱区宽,搜索空间大,需要采用高效率和高质量的算法进行波长选择.敏感波段及其组合的选择是简化分析模型和提高模型预测精度的关键技术之一.本研究以水稻孕穗期叶片干样的中红外光谱透射率和叶片氮素含量为数据源,通过协同偏最小二乘算法(siPLS)从宽谱区中初选出波段范围1583.3~992.2cm-1,再采用迭代遗传算法(GA)从中选出了84个水稻叶片氮素含量预测的敏感波段.研究结果显示以此敏感波段建立的偏最小二乘回归模型的预测均方根误差(RMSEP)和水稻叶片总氮含量的测量值与预测值之间的相关系数分别为0.1186和0.9120,该预测结果明显优于协同偏最小二乘法(siPLS)和光谱指数NFSA的预测结果,说明傅里叶变换红外光谱技术结合siPLS-GA-PLS算法能够实现水稻叶片氮素含量的预测.     

基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题,提出一种基于联合区间偏最小二乘判别分析(Si PLSDA)算法,并将该算法应用于猪肉近红外光谱的定性建模分析。Si PLSDA利用联合区间偏最小二乘回归(Si PLS)进行光谱特征区域筛选,在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱,采用标准正态变量变换(SNV)进行近红外光谱的预处理,用Si PLSDA建立猪肉近红外光谱的定性模型。实验结果表明,Si PLSDA建立的预测模型对猪肉储藏时间的识别率达到93.94%,高于基于全光谱区域建立的PLSDA预测模型的识别率。     

基于近红外光谱技术的成品卷烟定量分析

CO,焦油,烟气烟碱是卷烟产品的重要指标,传统方法测量时,有污染并且不能预测。根据卷烟产品粉末的近红外光谱,用30个品牌样品,600条光谱建立了焦油、CO、烟碱三大烟气指标的校正模型,用于准确测定和预测卷烟产品的三大烟气指标。在所有的校正模型中,原始谱图经过二阶导数和偏最小二乘（PLS）处理,实验结果的偏差比较小,表明近红外光谱技术在分析卷烟产品的化学指标时可以代替经典化学方法,可以为烟草行业节省大量资金和显著提高工作效率。另外还利用近红外光谱图对卷烟产品的价格档次进行预测分类,结果令人满意,可以对卷烟产品价格的制定提供参考。     

基于局部学习的玉米种子近红外高光谱图像鉴选

将局部学习算法引入到种子的近红外高光谱图像最优波段选择中,并建立偏最小二乘判别分析分类预测模型,实现少波段条件下的玉米种子的快速鉴选。实验共采集了6类样本共720粒的玉米种子在874~1734 nm波段范围内的256幅近红外高光谱图像,利用局部学习算法获得波段的特征权重,并依据特征权重选择了最优波段。实验结果表明局部学习算法可有效获取最优鉴选波段,在13个最优波段条件下,对6组玉米种子可以获得平均纯度为95.97%的鉴选结果,为实现玉米种子的快速鉴选提供了一个合适的技术途径。     

基于高光谱的砂岩露头孔隙度估算方法

为快速获得宏观、定量的砂岩露头孔隙度,提出了基于高光谱的孔隙度估算新方法.采集野外露头砂岩样品并测得其孔隙度,利用岩石薄片鉴定资料分析砂岩孔隙度的影响因素;对岩样实测光谱预处理,探索砂岩孔隙度的光谱响应机理;考虑到光谱波段高维性和波段间多重相关性,采用偏最小二乘方法构建孔隙度估算模型;通过变量投影重要性分析模型中重要波段.研究结果表明:基于砂岩填隙物与孔隙度的相关性以及填隙物的光谱特征,可间接反演孔隙度;砂岩孔隙度具有良好的光谱响应;反射率能够定量估算砂岩孔隙度(全波段模型R2=0. 72,RMSE=2. 28,RPD=1. 94);重要波段帮助降低自变量维度,发现孔隙度敏感波谱响应.本研究为基于高光谱图像的野外露头孔隙度表征奠定了基础.     

基于近红外光谱和化学计量学方法的灵芝孢子油识别研究

采用近红外透射法建立了一种灵芝孢子油识别方法。分别在灵芝孢子油中掺入葵花油、薏仁油、花生油、玉米油和食用调和油。这些掺杂油品的体积百分比范围为0-100％。采用近红外透射法进行测定。选择最佳的光谱波段,然后用偏最小二乘fPartialLeastSquares,PLS）法分别建立了定量分析模型。对于不同比例的掺杂油料,预测相对误差范围在-0．357-0．435之间。研究结果表明,基于化学计量学和近红外光谱技术的分析手段可以作为一种简便、快捷、准确、廉价的方法应用于油类品种识别和掺杂量检测中。     

近红外光谱和模式识别技术在西湖龙井与浙江龙井茶叶鉴别中的应用

为了鉴别西湖龙井和浙江龙井茶叶,采用近红外光谱分析技术结合化学计量学方法建立了识别模型。先对原始光谱进行标准正态变换（StandardNormalVariant,SNV）预处理,然后分别采用最小二乘判别分析（Partial Least Square Regressiondiscriminant Analysis,PLSDA）、最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）和径向基人工神经网络（Radia lBasis Function Neural Network,RBFNN）三种模型对西湖龙井和浙江龙井茶叶进行预测。最小二乘支持向量机参数通过网格搜索和完全交叉验证得到优化。经优化后,惩罚系数（y）和核函数参数（б2。）分别为229．1和124．9;RBFNN最佳隐藏层神经元个数为27个。通过比较可知,LSSVM的预测性能最好,其校正集均方根误差（RMSECV）和相关系数（R。）分别为0和1,验证集均方根误差（RMSEP）和相关系数（R2）也分别为0和1,分辨正确率为100％。     

融合光谱、纹理及形态特征的水稻种子品种高光谱图像单粒鉴别

水稻种子品种的单粒鉴别对于防止制种时的混杂、掺假现象,保证种子纯度具有重要意义。利用高光谱图像技术研究了水稻种子品种的单粒快速鉴别方法。采集了10类水稻种子在400~1000 nm范围内的高光谱反射图像并提取其光谱、纹理和形态特征;结合偏最小二乘判别分析模型比较了不同特征及其组合下的分类精度,并利用多次递进无信息变量消除算法结合偏最小二乘投影分析方法筛选最优波段。结果显示,在仅利用23个最优波段情况下,融合均值、熵、能量和形态特征所建立的鉴别模型获得了令人满意的识别精度,其训练集、测试集精度分别为99.22%、96%。结果表明,高光谱特征融合可以在少量波段情况下有效地提高水稻种子品种单粒鉴别的精度,基本满足国家标准对种子纯度的检测要求。     

肺癌组织的红外光谱研究

应用傅里叶变换红外光谱法对肺癌及癌旁正常组织粉末样品进行了分析,结果表明, 肺癌组织和癌旁正常组织的红外光谱表现出较大的差异性: N2H峰在肺癌组织中向低波数频移, 1536cm- 1处蛋白质酰胺Ⅱ带与1169cm- 1处蛋白质分子C2OH伸缩振动谱带在肺癌组织中向高波数频移; CH2 和CH3 的相对强度比值I2854 / I2872及I2929 / I2959在正常组织中的比值要比肺癌组织中的比值明显减小;肺癌组织中核酸分子磷酸二脂基团PO2- 的对称伸缩振动的相对吸收强度明显增强;正常组织中脂类分子弯曲振动谱带吸收峰相对强度明显强于甲基变角振动谱带的相对强度,而在肺癌组织中这两处吸收峰的相对强度大小基本相等。说明傅里叶变换红外光谱法可用于对良、恶性肺部组织进行鉴别诊断,有希望发展成为肺癌快速诊断的一种新方法。     

基于拉曼光谱技术的可燃液体快速检测研究

拉曼光谱作为一种分子“指纹”图谱,能够根据物质分子间的振动对物质进行定性分析,广泛应用在很多领域。拉曼光谱可应用于便携式监测系统,但其数据量偏大,如果不对其数据处理,会增加后续的分析时间,影响自动识别的速度。文中选取九种常见可燃液体90#汽油、93#汽油、97#汽油、丙酮、二甲苯、甲醇、乙醇、乙二醇、叔丁醇为例,对其进行数据预处理分析,特征峰提取效果显著,进而对数据进行512点的压缩,然后选取支持向量机(support vector machine,SVM)分类算法和随机森林分类算法进行模型训练。研究结果表明,随机森林算法的识别可燃液体样品的交叉验证精度高于SVM算法,随机森林算法的均方误差的结果也都优于SVM算法。运用拉曼光谱技术可明显检测出可燃液体样品的谱峰,对数据进行压缩,提高分析速度,可为后续仪器小型化提供技术参考。     

基于循环谱相关方法的MFSK信号识别

由于通信信号调制样式复杂多样,如何有效地识别通信信号调制类型是一个十分重要的课题。传统的信号处理都是假设所要处理的信号为随机平稳信号,但是在实际应用中,通信信号具有循环平稳性,是一种特殊的非平稳信号。首先介绍了循环平稳信号的特性循环谱相关概念,推导出MFSK信号的循环谱相关函数,分析了MFSK信号特征谱规律和可用于类内识别的特征参数,设计出MFSK信号的类内识别算法,仿真实验表明该算法能有效区分MFSK信号,并且在低信噪比下识别效果良好。     

反射式FTIR监测温室气体浓度及其变化规律

工业革命以来,温室效应引起的全球气候变迁问题越来越受到人们的关注。人类活动相关的主要温室气体是CO2,CH4,N2O和CO,对其浓度进行连续测量,获取浓度随时间的变化规律对大气环境科学具有重要意义。使用多次反射池FTIR系统在浙江地区对这四种气体进行了监测,通过对测量的气体吸收光谱进行光谱定量分析,获取了待测组分的浓度信息,并对其变化规律进行了分析。同时对仪器的性能进行了检测,结果表明,多次反射池FTIR是进行环境气体监测的一种快速有效直接的监测手段。     

基于数学形态学的信息识别研究及Matlab实现

为了实现信息快速识别,采用基于数学形态学的模块匹配方法,具体先将典型的信息归一化,然后提取其过线特征、左右轮廓特征,将这些特征组成被分析对象的特征向量,对信息进行初步分类,然后利用模板匹配法对信息进一步细化分类,从而完成信息识别。通过实验,利用Matlab中Simulink视频和图像处理模块集进行仿真,得出基于数学形态学的信息识别法定位准确度较高,研究对象阈值分割较好,且算法容易实现,对提高整个系统信息识别的实时性有实用意义。     

基于傅里叶变换红外光谱的热辐射体温度遥测新方法研究

常规遥感测温方法有三种:单色法、双色法、多色法,在这些方法中都是采用传统的光谱仪和探测器,这样探测速度慢,数据处理复杂并且测量结果受噪声影响很大.本方法应用傅里叶变换红外光谱仪探测热辐射体的红外辐射特性,因而其具有了傅里叶变换红外光谱仪所有的优势.为解决和避开传统方法中遇到的麻烦和困难,我们提出了一种新的温度反演算法,还详细讨论了遥感测量时的红外波段选择.我们对傅里叶变换红外光谱仪定标后,测量了一加热钢板的自然降温过程的红外辐射谱,用标准黑体辐射谱对测量谱做最小二乘拟合,并把拟合谱与测量谱做了对比,两者吻合的很好,并且用不同波段所得的测量结果也非常一致,表明结果是准确可靠的.     

FTIR结合光谱反射曲线对叶绿素铜/蒙脱土中间体性能研究

通过插层技术合成了叶绿素铜/蒙脱土( chI-Cu/MMT)纳米中间体,采用傅立叶变换红外光谱( FTIR)结合光谱反射曲线对叶绿素铜/蒙脱土纳米中间体的近红外隐身性能进行研究.测试了叶绿素铜/蒙脱土纳米中间体的X射线单晶衍射图谱(XRD)和红外光谱,结果显示有机物叶绿素铜已成功进入蒙脱土层间.热重分析图谱(TGA)结果显示当有机物进入蒙脱土层间,热稳定性得到改善.结合光谱反射曲线对中间体的近红外隐身性能进行研究,发现叶绿素铜/蒙脱土纳米中间体与天然绿色植物的光谱反射率相一致,研究揭示叶绿素铜/蒙脱土纳米中间体达到近红外隐身功能,在军事作战中可以模拟背景植物的光反射特性.     

基于傅里叶变换红外光谱仪的光谱发射率估计

基于傅里叶变换红外(Fourier Transform Infrared, FTIR)光谱仪等先进测试 手段,建立了一种估计目标光谱发射率的方法框架。首先,通过双温度测量标定获得FTIR光谱仪关于波 长的背景辐射亮度函数和响应度函数,提高了测量的准确性;其次,基于大气窗口的辐射亮度数据进行高阶多 项式拟合,进一步抑制了杂散辐射的影响;然后通过对大气吸收波长的辐射特性进行估计,获得了所测波段的 红外亮度曲线;最后估计了目标的光谱发射率,其相对误差均在1%以内。测试结果表明,本文方法行之有效。     

基于窗口平均频率算法的调制信号识别

给出了一种对非平稳信号的时频特性进行快速分析的算法——移动窗口平均频率算法,通过移动窗口来截取信号,并计算窗口内信号平均频率来获得信号的时频分布,具有算法简单、运算速度快的特点;通过MATLAB仿真验证了该方法的有效性和可靠性;并给出了该算法的一个应用实例——从噪声中识别数字调制信号,能够对ASK、FSK、PSK等信号的调制类型进行识别,改善了信号识别的性能。     

基于似然比检验的超宽带信道检测与定位算法

超宽带(Ultra Wide Band, UWB)室内定位系统的定位性能主要受信号非视距(None Line Of Sight, NLOS)传播影响。为此该文提出一种基于信道统计量(Channel Statistics Information, CSI)的信道NLOS状态检测法。该方法首先在IEEE802.15.4a信道模型下对均方根时延扩展和平均超量延迟的概率分布函数进行建模,作为信道标准分布。再以信道瞬时分布与标准分布间的KL散度为检验统计量做似然比检验(Likelihood Ratio Test, LRT)来鉴别信道状态。同时提出一种基于LRT的定位算法 LRT-Chan算法。该算法能有效利用受NLOS污染的测距数据提高定位精度。仿真结果表明：LRT信道状态检测法在全部UWB信道中都能获得较高检测准确率;在定位锚点(Anchor Node, AN)分布不理想的NLOS环境中LRT-Chan算法也能取得较高定位精度。     

基于随机森林算法的食源性致病菌拉曼光谱识别

药品食品的安全问题一直是人们关注的重点。相比于传统的食源性致病菌光谱检测方法,拉曼光谱法具有检测范围广、检测灵活、光谱特征突出等特点。本文以常见的食源性致病菌为研究对象,利用拉曼光谱仪采集了11种食源性致病菌样品的132个拉曼光谱数据,提出了一种基于主成分分析和随机森林算法的分类模型。实验结果表明,主成分分析结合随机森林算法的分类模型可以将食源性致病菌区分开,且分类准确度可达到91.36%。